Statistica e analisi dei dati Data: 07 marzo Lezione 5. Figura 1: Modello ad Urna
|
|
- Berta Rosa
- 5 anni fa
- Visualizzazioni
Transcript
1 Statistica e analisi dei dati Data: 07 marzo 2016 Lezione 5 Docente: Prof. Giuseppe Boccignone Scriba: Alessandra Birlini 1 Il modello a urna Figura 1: Modello ad Urna Con questo tipo di modello posso operare in due modalitá: con REIMBUSSOLAMENTO: estraggo l oggetto e lo rimetto nell urna; senza REIMBUSSOLAMENTO: estraggo l oggetto e non lo rimetto nell urna. La misura dello spazio di campionamento S corrisponde al numero di oggetti presenti all interno dell urna. Viene quindi modificata se tolgo un elemento. Questo tipo di esperimento serve ad introdurre il fatto: quello che faccio al tempo t 1 dipende da quello che ho fatto in t Esperimento con reimbussolamento Supponiamo di avere un urna cosí strutturata: Esperimento E: estrazione di una coppia di palline Figura 2: Urna 1
2 2 Lezione 5 Figura 3: Modello con reimbussolamento Lo spazio campionario ha misura: #(S) = 3 3 = 9 Nella modalitá con reimbussolamento, estrazioni successive sono stocasticamente indipendenti troviamo: P (RR) = P (R)P (R) = = 1 9 Misura dell evento: P (RR) = #(RR) #(S) = 1 9 Questa appena descritta é la strategia del REIMBUSSOLAMENTO. Si dice che il processo é SENZA MEMORIA 1.2 Esperimento senza reimbussolamento Senza il rembussolamento le cose cambiano: Se qui applico la regola congiunta: P (RB) = ) = 1 6 Lo spazio campionario ha misura: #(S) = 3 2 = 6 ovvero il risultato é diverso da P (R)P (B) In questo caso la seconda estrazione é condizionata dalla prima vi é quindi vi é un effetto dalla prima estrazione sulla seconda. Il processo é dunque CON MEMORIA. 2 Probabilitá condizionata Esempio: Abbiamo 54 carte dove: numeriche: 40; figure 12; jolly 2.
3 Lezione 5 3 Figura 4: Modello senza reimbussolamento Consideriamo la possibilitá di avere 2 figure di seguito: Se non vi fosse reimbussolamento (non si inserisce la carta nel mazzo dopo averla estratta): P (F F ) = P (F 1)P (F 2) = = = Con reimbussolamento: P (F F ) = P (F 1, F 2) = = = Notiamo che: P (F 1) rimane uguale in entrambi i casi, con o senza reimbussolamento; P (F 2) = P (F 2 dato F 1) = P (F 2 quando ho estratto F 1) = P (F 2 condizionato da F 1) = P (F 2 F 1) nel caso di reimbussolamento. Quando uso la notazione P ( ) sto considerando una PROBABALITÁ CONDIZIONATA
4 4 Lezione 5 Nei due casi, in sintesi: con reimbussolamento: P (F 1 F 2) = P (F 1)P (F 2) = senza reimbussolamento: P (F 1 F 2) = P (F 1)P (F 2) = dove é evidente che P (F 1)P (F 2) P (F 1)P (F 2 F 1) Dal punto di vista strettamente formale, le due procedure di estrazione della coppia (F 1, F 2) potrebbero essere equivalenti sole se P (F 1)P (F 2) = P (F 1)P (F 2 F 1), il che implicherebbe P (F 2) = P (F 2 F 1), ovvero che F 2 non é condizionato, non dipende da F 1 In definitiva le due condizioni P (F 2) = P (F 2 F 1) P (F 1 F 2) = P (F 1)P (F 2) costituisono modi equivalenti per sancire l indipendenza statistica dei due eventi F 1 e F 2 3 Correlazione statistica Dati due eventi C, B, e calcolate P (C/B) e P (C) si danno tre possibilitá: 1. P (C/B) > P (C) : in questo caso vi é una dipendenza condizionale 2. P (C/B) < P (C) : anche in questo caso vi é una dipendenza condizionale
5 Lezione P(C/B) = P(C) : in questo caso C, B sono statisticamente indipendenti Nei primi due casi si dice che vi é correlazione statistica fra i due eventi. In particolare nel caso 1) la correlazione é positiva; nel caso 2), correlazione negativa. Il terzo caso dice semplicemente che i due eventi sono scorrelati. Osservazione 3.1 (Correlazione vs. causazione). La presenza di una dipendenza probabilistica condizionale per cui P (B) P (B A) puó verificarsi in due situazioni: vi é una semplice correlazione o dipendenza statistica tra gli eventi A e B: per esempio, A= vivere in un area geografica (dove potrebbe essere stoccato qualche materiale radioattivvo o nocivo, un evento latente o incognito che non é modellato né da A né da B, che é invece la vera causa patologica), B= aver contratto un tumore. vi é una semplice causazione (per esempio, in senso fisico): per esempio, A= aver maneggiato materiale radioattivo, B= aver contratto un tumore Non é detto che la correlazione implichi una causazione, invece la causazione induce necessariamente una correlazione. Valutiamo ora la correlazione nei seguenti casi Figura 5: evento B = numero < 6 Evento di interesse: C= uscita di un numero pari A priori sappiamo che che Consideriamo ora il seguente esperimento: #(S) = 6 #(C) = 3 P (C) = #C #S = 1 2 Un dado viene tirato, ma non vedo subito l esito. C é peró un osservatore che mi fornisce un informazione che puó essere correlata o no al risultato. Primo caso: Informazione: evento B = numero < 6. Lo spazio di campionamento si riduce a 1, 2, 3, 4, 5 diventando: #(S) = 6 #(S B) = 5
6 6 Lezione 5. Anche la misura di C si riduce (l esito numero pari 6 é ormai escluso secondo l informazione fornita) : #(C B) = 2 Quindi, se devo determinare la probabilitá di C condizionata a questa informazione (cioé la probabilita dell evento C B), intuitivamente: P (C B) = #(C B) #(S B) = 2 5 = 0.4 Notiamo che P (C B) < P (C) Questo é un caso dove si ha riduzione: siamo in presenza di una CORRELAZIONE NEGATIVA. Secondo caso: Informazione: evento B = numero > 1 Ripercorrendo il ragionamento fatto sopra: P (C B) = #(C B) #(S B) = 3 5 = 0.6 Figura 6: evento B = numero > 1 #(S B) = 5 #(C B) = 3 In questo caso la situazione si é ribaltata: P (C/B) > P (C) Si parla di CORRELAZIONE POSITIVA Terzo caso: Informazione: evento B = numero < 5. Qui S B = {1, 2, 3, 4} Pertanto: P (C B) = #(C B) #(S B) = 2 4 = 1 2 = 0.5 Quindi P (C B) = P (C) gli eventi sono SCORRELATI (INDIPENDENTI). Notiamo che questo accade perché C B ha la stessa proporzione in S B di quella che C aveva in S (cioé 1 2 ) Facendo riferimento alle figure, si nota facilmente che le restrizioni imposte dall informazione B si possono scrivere come (S) (S B) = S B = B
7 Lezione 5 7 Figura 7: evento B = numero < 5 (C) (C B) = C B Si noti inoltre che il nostro calcolo intuitivo della probabilitá P (C B) puó essere esplicitato come: P (C B) = #(C B) #(B) = #(C B) #(S) #(B) #(S) dove per definizione: E corretto pertanto dare la seguente: #(C B) #(S) = P (C B) #(B) #(S) = P (B) Definizione 3.2 (Probabilitá condizionata). Dato lo spazio di probabilitá (S, F, P ) considerati due eventi C, B F, con P (B) > 0, P (C B) P (C B) = P (B) é la probabilitá di C condizionata da B. Mettiamo in evidenza due casi estremi:
8 8 Lezione 5 1. B esclude C: ovvero B C =, allora P (C B) = 0 2. B implica C: ovvero B C, allora P (C B) = 1 Osservazione 3.3. La definizione data: e quella di una nuova funzione P (C B) = P (C B) P (B) P B : F F [0, 1] che é una misura di probabilitá, ovvero é una funzione che soddisfa gli assiomi di Kolmogorov: 1. P B (C B) 0 2. per C = C 1 C 2... C n con C i C j =, P B (C B) = P B (C 1 B) + P B (C 2 B) P B (C n B) 3. P B (B B) = 1 4 Generalizzazione della regola del prodotto Nel caso particolare di eventi indipendenti, valeva la seguente regola del prodotto P (C, B) = P (C)P (B) A partire dalla definizione di probabilitá condizionata possiamo immediatamente ricavare la seguente:
9 Lezione 5 9 Prop. 4.1 (Regola generale del prodotto). Dati due eventi B, C, allora P (B, C) = P (B)P (C B) (1) Osservazione 4.2. Si noti che la regola per eventi indipendenti é un caso particolare di (1) quando P (C B) = P (C) Osservazione 4.3. Si noti che per simmetria: P (C, B) = P (C B) = P (B C) = P (B, C), P (C)P (B C) = P (B)P (C B) Osservazione 4.4. Posso generalizzare induttivamente la regola del prodotto a n eventi: P (A 1, A 2..., A n ) = P (A 1 )P (A 2 A 1 )P (A 3 A 2, A 1 ) P (A n A n 1, A 2, A 1 ) Possiamo ora applicare la regola generale del prodotto per risolvere il seguente rompicapo Esempio 4.5 (Gioco di Monty Hall). Il gioco é costituito da tre porte. Dietro a una porta c e un auto in premio (per esempio la 1), dietro alle due rimanenti nessun premio. Al giocatore viene chiesto di scegliere una porta (per esempio, G 1. Il presentatore Monthy, il quale sa quale porta nasconde l auto, sceglie a sua volta una seconda porta (vuota) e la mostra al giocatore (per esempio, M 2. Quindi, prima di aprire l ultima porta chiede al giocatore se vuole cambiare la scelta iniziale e puntare eventualmente sull ultima porta rimasta. Quando il giocatore ha risposto, il presentatore svela cosa c e dietro la terza porta Il giocatore puó pertanto giocare con strategia switch o no switch. Si puó dimostrare che giocando sempre con strategia switch il giocatore ha una probabilitá di vincere pari a 2/3. Adottando la strategia di non cambiare mai la scelta iniziale ho probabilitá di vincere pari a 1/3 In Figura 4.5 si mostra l albero delle possibilitá disegnato sotto l ipotesi che l auto sia dietro la porta 1. La strategia switch conduce alla sconfitta solo nel caso in cui il giocatore abbia giá scelto inizialmente la porta 1 (G 1). Negli altri due casi vince sempre. Le probabilitá di ciascun ramo dell albero si calcolano utilizzando la regola del prodotto: percorrendo il ramo, si moltiplicano via via le probabilitá che si incontrano nelle transizioni fra nodi. Per esempio, lungo il ramo in alto P (G 1)P (M 2) G 1) = = 1 6 = P (G 1, M 2) Percorrendo il ramo centrale: P (G 2)P (M 3) G 2) = = 1 3 = P (G 2, M 3)
10 10 Lezione 5 Figura 8: Chance tree per il gioco Monty Hall, nell ipotesi che l auto sia dietro la porta numero 1
Probabilitá condizionata
Probabilitá condizionata 12 marzo 2017 Si introduce il concetto di indipendenza stocastica e la regola del prodotto per eventi indipendenti. Si discute di come un processo con memoria introduca un condizionamento
DettagliIL CALCOLO DELLE PROBABILITA
IL CALCOLO DELLE PROBABILITA INTRODUZIONE Già 3000 anni fa gli Egizi praticavano un antenato del gioco dei dadi, che si svolgeva lanciando una pietra. Il gioco dei dadi era diffuso anche nell antica Roma,
DettagliProbabilità. Decisioni in condizioni di incertezza:
Probabilità Decisioni in condizioni di incertezza: Casi quotidiani e no Probabile / certo. Incertezza e futuro / incertezza e quantità-qualità delle informazioni. Probabilità come misura del grado di fiducia
DettagliStatistica e analisi dei dati Data: 14 Marzo Lezione 7. Figura 1: Spazio campionario relativo al problema della diagnosi
Statistica e analisi dei dati Data: 4 Marzo 06 Lezione 7 Docente: Prof. Giuseppe Boccignone Scriba: Noemi Tentori Teorema o regola di Byes Esempio. Diagnosi medica Figura : Spazio campionario relativo
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 1 Abbiamo visto: Definizioni di statistica, statistica inferenziale, probabilità (interpretazione
DettagliΨ PSICOMETRIA. Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE
Ψ PSICOMETRIA Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE STATISTICA INFERENZIALE CAMPIONE caratteristiche conosciute POPOLAZIONE caratteristiche sconosciute STATISTICA INFERENZIALE STIMA
DettagliP (F E) = P (E) P (F E) = = 25
Regola del prodotto Conoscete la definizione di probabilità condizionata. Definizione 1. Siano E e F due eventi di uno spazio campionario S. Supponiamo P (F ) > 0. La probabilità condizionata dell evento
Dettagli{ } corrisponde all uscita della faccia i-esima del dado. La distribuzione di probabilità associata ( )
Università di Trento - Corsi di Laurea in Ingegneria Civile e in Ingegneria per l Ambiente e il Territorio - 2017/18 Analisi Matematica 1 - professore Alberto Valli 2 foglio di esercizi 25 settembre 2017
DettagliVariabili aleatorie: parte 1. 1 Definizione di variabile aleatoria e misurabilitá
Statistica e analisi dei dati Data: 11 Aprile 2016 Variabili aleatorie: parte 1 Docente: Prof. Giuseppe Boccignone Scriba: Noemi Tentori 1 Definizione di variabile aleatoria e misurabilitá Informalmente,
DettagliCalcolo della probabilità
Calcolo della probabilità GLI EVENTI Un evento è un fatto che può accadere o non accadere. Se esso avviene con certezza si dice evento certo, mentre se non può mai accadere si dice evento impossibile.
DettagliProf.ssa Laura Pagnozzi Prof. Ivano Coccorullo. Calcolo Combinatorio
Prof.ssa Laura Pagnozzi Prof. Ivano Coccorullo Calcolo Combinatorio Calcolo Combinatorio ü Molti dei problemi classici di calcolo delle probabilità si riducono al calcolo dei casi favorevoli e di quelli
Dettagliprima urna seconda urna
Un po di fortuna Considera il seguente gioco: ci sono due urne contenenti delle palline perfettamente uguali tra loro, ma colorate diversamente, alcune bianche, altre nere. Nella prima urna ci sono una
DettagliStatistica e analisi dei dati Data: 7 Marzo Lezione 4
Statistica e analisi dei dati Data: 7 Marzo 2016 Lezione 4 Docente: Prof. Giuseppe Boccignone Scriba: Matteo Gandossi 1 Indipendenza Stocastica Definizione 1 (Indipendenza Stocastica). Dati due eventi
DettagliDIPARTIMENTO SCIENZE POLITICHE E SOCIALI ABILITÀ LOGICO-MATEMATICHE A.A. 2018/2019 PROBABILITÀ
1 PROBABILITÀ DI UN EVENTO PROBABILITÀ Si parla di eventi probabili o improbabili quando non si è sicuri se essi si verificheranno. Quando lanciamo in aria una moneta, da cosa dipende se dopo la caduta
Dettagli8 Derivati dell entropia
(F1X) Teoria dell Informazione e della Trasmissione 8 Derivati dell entropia Docente: Nicolò Cesa-Bianchi versione 23 marzo 2016 Siano X e Y due variabili casuali con valori in insiemi finiti X e Y. Detta
DettagliSoluzioni degli esercizi proposti
Soluzioni degli esercizi proposti.9 a La cardinalità dell insieme dei numeri,..., 0 n che sono multipli di 5 è 0n 5. Dunque, poiché siamo in una condizione di equiprobabilità, la probabilità richiesta
DettagliLezione 1. 1 Probabilità e statistica. 2 Definizioni di probabilità. Statistica e analisi dei dati Data: 22 Febbraio 2016
Statistica e analisi dei dati Data: 22 Febbraio 2016 Lezione 1 Docente: Prof. Giuseppe Boccignone Scriba: Nicolò Pisaroni 1 Probabilità e statistica Probabilità: Un modello probabilistico é una descrizione
DettagliTutorato I Probabilità e Statistica a.a. 2015/2016
Tutorato I Probabilità e Statistica a.a. 2015/2016 Argomenti: probabilità uniforme; probabilità condizionata; formula di Bayes; formula delle probabilità totali; indipendenza. Esercizio 1. Siano A, B,
DettagliDistribuzioni di due variabili aleatorie
Statistica e analisi dei dati Data: 6 Maggio 206 Distribuzioni di due variabili aleatorie Docente: Prof. Giuseppe Boccignone Scriba: Noemi Tentori Distribuzioni congiunte e marginali Consideriamo due variabili
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosiddette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello
DettagliDOMANDA 1: mettere una croce sulla affermazione esatta (90 89)
PROVA D ESAME - 0 marzo 00 nome: cognome: SSIS-INDIRIZZO MATEMATICA E MATEMATICA APPLICATA secondo anno MATEMATICA APPLICATA B: CALCOLO DELLE PROBABILITÀ Per le domande a risposta aperta il punteggio varia
DettagliStatistica e analisi dei dati Data: 29 Febbraio Lezione 3
Statistica e analisi dei dati Data: 29 Febbraio 2016 Lezione 3 Docente: Prof. Giuseppe Boccignone Scriba: Sara Fasano 1 Definizione formale di Probabilitá Sia dato lo spazio probabilizzabile (S, F). Definizione
Dettagli1 Equilibri Correlati
Strumenti della Teoria dei Giochi per l Informatica A.A. 29/ Lecture 4: Ottobre 2 Equilibri Correlati, Bayesian Games Docente Prof. Vincenzo Auletta Note redatte da: Michele Nasti Equilibri Correlati Gli
DettagliSalto in alto oltre le formule
Corso PON Competenze per lo sviluppo Liceo Scientifico "Bonaventura Rescigno Ing. Ivano Coccorullo Prof.ssa Laura Falcone Teoria della Probabilità Legge empirica del caso: in un grande numero di prove,
Dettagli6.2 La probabilità e gli assiomi della probabilità
6.2 La probabilità e gli assiomi della probabilità L introduzione alla teoria della probabilità può essere vista come un applicazione della teoria degli insiemi. Essa si occupa degli esperimenti il cui
DettagliTeorema di Bayes. 13 aprile Regola delle probabilitá totali
Teorema di Bayes 3 aprile 207 Si introduce l equazione di partizione o regola delle probabilitá totali. Successivamente si discute il teorema di Bayes. Regola delle probabilitá totali Uno dei prerequisiti
DettagliOlimpiadi della Matematica
Corso PON Competenze per lo sviluppo Liceo Scientifico «E. Medi Ing. Ivano Coccorullo Prof.ssa Geri Cupolo Calcolo Combinatorio Molti dei problemi classici di calcolo delle probabilità si riducono
DettagliProbabilità e Statistica
Corso PON Competenze per lo sviluppo Liceo Scientifico "Bonaventura Rescigno Ing. Ivano Coccorullo Prof.ssa Angela D Ambrosio Calcolo Combinatorio Calcolo Combinatorio ü Molti dei problemi classici
DettagliSalto in alto oltre le formule
Corso PON Competenze per lo sviluppo Liceo Scientifico "Bonaventura Rescigno Ing. Ivano Coccorullo Prof.ssa Elisa Salvati Calcolo Combinatorio Calcolo Combinatorio ü Molti dei problemi classici di calcolo
DettagliProf.ssa Laura Pagnozzi Prof. Ivano Coccorullo. Calcolo Combinatorio
Prof.ssa Laura Pagnozzi Prof. Ivano Coccorullo Calcolo Combinatorio Calcolo Combinatorio ü Molti dei problemi classici di calcolo delle probabilità si riducono al calcolo dei casi favorevoli e di quelli
DettagliDefinizione formale di probabilitá
Definizione formale di probabilitá 10 marzo 2017 Si introducono la definizione assiomatica di probabilitá e alcune proprietá elementari che ne derivano 1 Eventi e insiemi Poiché un evento é definito come
DettagliMatematica con elementi di Informatica
Probabilità discreta Matematica con elementi di Informatica Tiziano Vargiolu Dipartimento di Matematica vargiolu@math.unipd.it Corso di Laurea Magistrale in Chimica e Tecnologie Farmaceutiche Anno Accademico
DettagliLaboratorio di dinamiche socio-economiche
Dipartimento di Matematica Università di Ferrara giacomo.albi@unife.it www.giacomoalbi.com 8 marzo 2012 Seconda parte: Econofisica La probabilità e la statistica come strumento di analisi. Apparenti paradossi
DettagliEvento Aleatorio. Un evento si dice aleatorio se può o non può verificarsi (Alea in greco vuol dire dado)
ELEMENTI DI CALCOLO DELLE PROBABILITA Evento Aleatorio Un evento si dice aleatorio se può o non può verificarsi (Alea in greco vuol dire dado) Esempi di eventi aleatori 1. Ottenere un certo numero nel
DettagliPROBABILITA. DEFINIZIONE: Ogni singolo risultato di un esperimento casuale si chiama evento elementare
PROBABILITA La teoria della probabilità si applica ad esperimenti aleatori o casuali: ossia, esperimenti il cui risultato non è prevedibile a priori. Ad esempio, lancio di un dado, lancio di una moneta,
DettagliProbabilità delle cause:
Probabilità delle cause: Probabilità condizionata 2 Teorema delle probabilità composte A B) A) B/A) 3 Teorema delle probabilità totali B )! 4 Teorema delle probabilità delle cause n i A! B ) A / B ) B
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Teoria della probabilità Cernusco S.N., mercoledì 15 marzo 2017 1 / 13 Probabilità
DettagliAnalisi. Calcolo Combinatorio. Ing. Ivano Coccorullo
Analisi Ing. Ivano Coccorullo Prof. Ivano Coccorullo ü Molti dei problemi classici di calcolo delle probabilità si riducono al calcolo dei casi favorevoli e di quelli possibili. Quando le situazioni diventano
DettagliElementi di Calcolo delle probabilità
Elementi di Calcolo delle probabilità Docente: Francesca Benanti 13 Dicembre 2007 1 Definizioni di Probabilità La teoria della probabilità è quella parte della matematica che, sulla base delle informazioni
DettagliNOZIONI DI CALCOLO DELLE PROBABILITÀ
NOZIONI DI CALCOLO DELLE PROBABILITÀ ESPERIMENTO CASUALE: un esperimento si dice casuale quando gli esiti (manifestazioni o eventi) non possono essere previsti con certezza. PROVA: le ripetizioni, o occasioni
DettagliMateriale didattico per il corso di Statistica I Quinta esercitazione SOLUZIONI
Materiale didattico per il corso di Statistica I Quinta esercitazione SOLUZIONI Claudia Furlan Anno Accademico 006-007 Ringrazio Carlo Gaetan, Nicola Sartori e Aldo Solari per il materiale, aggiunte e
DettagliElementi di Teoria della Probabilità
Elementi di Teoria della Probabilità Alcune definizioni iniziali: Fenomeno casuale: fenomeno ripetibile (almeno in teoria) infinite volte che può manifestarsi in diverse modalità, imprevedibili singolarmente,
DettagliSOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA
SOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA 1 Esercizio 0.1 Dato P (A) = 0.5 e P (A B) = 0.6, determinare P (B) nei casi in cui: a] A e B sono incompatibili; b] A e B sono indipendenti;
Dettagli25, la probabilità che siano 3 sullo stesso vagone e l altro su di un vagone diverso è. , quindi la probabilità richiesta è
CALCOLO DELLE PROBABILITA PER IL CORSO DI LAU- REA IN INFORMATICA Esame scritto parziale di recupero del 6/5/00 COMPITO A. 4 persone salgono su di un treno composto da 5 vagoni, ciascuno indipendentemente
DettagliProbabilità Condizionale - 1
Probabilità Condizionale - 1 Come varia la probabilità al variare della conoscenza, ovvero delle informazioni in possesso di chi la calcola? ESEMPIO - Calcolare la probabilità che in una estrazione della
DettagliÈ l insieme di tutti i possibili esiti di un esperimento aleatorio; si indica generalmente con il simbolo.
A Ripasso Terminologia DOMADE Spazio campionario Evento Evento certo Evento elementare Evento impossibile Evento unione Evento intersezione Eventi incompatibili Evento contrario RISPOSTE È l insieme di
DettagliCorso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)
Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino Prova di Mercoledì giugno 4 (tempo a disposizione: ore. Scrivere su ogni foglio NOME e COGNOME. Le
DettagliIntroduzione al calcolo delle probabilità
Introduzione al calcolo delle probabilità L. Boni Approccio empirico OSSERVAZIONE IPOTESI TEORIA DOMINANTE ESPERIMENTO L esperimento Un esperimento (dal latino ex, da, e perire, tentare, passare attraverso
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
Corso di Laurea Triennale in Matematica Corso di Calcolo delle Probabilità A. A. /5 prova scritta (//5(docenti G. Nappo, F. Spizzichino La prova scritta consiste nello svolgimento dei punti non facoltativi
DettagliINTRODUZIONE. TaleproceduravasottoilnomediteoremadiBayes.
INTRODUZIONE QUANDO CALCOLIAMO UNA PROBABILITA CONDIZIONATA USIAMO L INFORMAZIONE SUL VERIFICARSI DI UN EVENTO PER DETERMINARE LA PROBABILITA CHE UN ALTRO EVENTO SI VERIFICHI. Una estensione di questo
DettagliStatistica e informatica
Statistica e informatica Probabilità condizionate Francesco Pauli e Nicola Torelli A.A. 2017/2018 Indice Probabilità condizionate Probabilità totali Teorema di Bayes Francesco Pauli e Nicola Torelli Probabilità
DettagliFoglio di esercizi 1-7 Marzo 2019 Probabilità e statistica Ingegneria Meccanica Alessandro Ciallella
Foglio di esercizi 1-7 Marzo 2019 Probabilità e statistica Ingegneria Meccanica Alessandro Ciallella Esercizio 1. Una serratura si apre con un codice decimale di quattro cifre. Trovare i numeri N 1 ed
DettagliIntroduzione al Teorema di Bayes - Regola delle probabilitá totali
Statistica e analisi dei dati Data: 14 Marzo 2016 Introduzione al Teorema di ayes - Regola delle probabilitá totali Docente: Prof. Giuseppe occignone Scriba: Diedolo Luca 1 Teorema di ayes Il teorema o
DettagliEsercizi su variabili aleatorie discrete
Esercizi su variabili aleatorie discrete Esercizio 1. Data la variabile aleatoria discreta X, caratterizzata dalla seguente rappresentazione nello spazio degli stati: 1 0,25 X = { 0 0,50 1 0,25 calcolare
DettagliStatistica. Lezione : 17. Variabili casuali
Corsi di Laurea: a.a. 2018-19 Diritto per le Imprese e le istituzioni Scienze Internazionali dello Sviluppo e della Cooperazione Statistica Variabili casuali Lezione : 17 Docente: Alessandra Durio 1 Contenuti
DettagliTeoria della probabilità
Introduzione alla teoria della probabilità Teoria della probabilità Primi sviluppi nel XVII secolo (Pascal( Pascal, Fermat, Bernoulli); Nasce nell ambito dei giochi d azzardo; d La prima formalizzazione
DettagliIII DS. Accademia dei Lincei 15/04/2019
III DS Accademia dei Lincei DEFINIZIONE DI EVENTO Dai una breve definizione di EVENTO CASUALE PROBABILITA EVENTO INCERTO Le nostre risposte Evento casuale: «azione che avviene in modo casuale», «avvenimento
DettagliCalcolo delle probabilità
Calcolo delle probabilità Definizione di Spazio Campionario Definizioni di Probabilità Eventi mutuamente esclusivi Eventi indipendenti Principio della somma Principio del prodotto Eventi certi : è certo
DettagliEsercizi Svolti Lezione 2
Esercizi Svolti Lezione 2 Università Mediterranea di Reggio Calabria Disposizioni D n,k (orinate, senza ripetizione) n 1 e 1 k n k¹ i1 n i 1 npn 1q pn k 1q n! pn kq! Le permutazioni sono un caso particolare
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 51 Introduzione Il Calcolo delle
DettagliProbabilità esempi. Aiutiamoci con una rappresentazione grafica:
Probabilità esempi Paolo e Francesca giocano a dadi. Paolo scommette che, lanciando due dadi, si otterrà come somma 8 oppure 9. Francesca scommette che si otterrà come somma un numero minore o uguale a
DettagliCapitolo Parte IV
Capitolo 1 1.1 Parte IV Exercise 1.1. Siano A, B,C tre eventi in uno spazio di probabilità discreto (Ω, P). Si assuma che A,B,C siano indipendenti. Si mostri che (1) A B è indipendente da C. (2) A B è
DettagliLezione 3. La probabilità soggettiva
Lezione 3 La probabilità soggettiva Le due nozioni oggettive di probabilità Definizione classica: La probabilità di un evento E è il rapporto tra il numero dei casi favorevoli e il numero dei casi possibili,
DettagliCalcolo delle probabilità e ragionamento bayesiano. Unit 5 Corso di Logica e Teoria dell Argomentazione
Calcolo delle probabilità e ragionamento bayesiano Unit 5 Corso di Logica e Teoria dell Argomentazione Sommario Nozioni probabilistiche Probabilità condizionata Ragionamento bayesiano Applicazioni a giochi
DettagliDOMANDA 1: mettere una croce sulla affermazione esatta (90 89)
PROVA D ESAME - 0 marzo 00 nome: cognome: SSIS-INDIRIZZO MATEMATICA E MATEMATICA APPLICATA (primo anno MATEMATICA APPLICATA B: CALCOLO DELLE PROBABILITÀ Per le domande a risposta aperta il punteggio varia
Dettagli1 Definizione formale di gioco in forma estesa.
1 Definizione formale di gioco in forma estesa. Una game form in forma estesa, finita, è: - un insieme finito N (assumeremo N = {1,..., n}) - un albero finito T = (V, L) con radice v V. (Dove: V è un insieme
DettagliLaurea triennale in INFORMATICA, Corso di CALCOLO DELLE PROBABILITÀ COMPITO - 2 luglio FOGLIO RISPOSTE
Laurea triennale in INFORMATICA, Corso di CALCOLO DELLE PROBABILITÀ COMPITO - 2 luglio 202 - FOGLIO RISPOSTE NOME e COGNOME SOLUZIONI CANALE: G. Nappo VOTO: N.B. Scrivere le risposte dei vari punti degli
DettagliDistribuzioni campionarie. Antonello Maruotti
Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento
DettagliSperimentazioni di Fisica I mod. A Statistica - Lezione 3
Sperimentazioni di Fisica I mod. A Statistica - Lezione 3 A Garfagnini, M Mazzocco, C Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Teoria della Probabilità L ineliminabile
DettagliSoluzioni Esercitazione 1
Soluzioni Esercitazione Esercizio Per rappresentare gli eventi richiesti sfruttiamo le operazioni insiemistiche note di unione, intersezione e complementazione. Vediamo separatamente le quattro soluzioni..
DettagliFRAME 0.3. E possibile partecipare a tre appelli su 5 (esclusi i compitini). Farà fede l iscrizione alle liste elettroniche.
FRAME 0.1. S.M. Ross, Calcolo delle Probabilità, Apogeo 2004. C. Mariconda, A. Tonolo, Matematica Discreta, a.a. 2005-2006, Libreria Progetto, 2005 (costo 6 euro. Compitini FRAME 0.2. 13 maggio, ore 9.30
DettagliVariabili aleatorie parte 2. 1 Definizione di funzione di ripartizione o funzione cumulativa (CDF)
Statistica e analisi dei dati Data: 11 aprile 2016 Variabili aleatorie parte 2 Docente: Prof. Giuseppe Boccignone Scriba: Alessandra Birlini 1 Definizione di funzione di ripartizione o funzione cumulativa
DettagliScopo del Corso: Lezione 1. La Probabilità. Organizzazione del Corso e argomenti trattati: Prerequisiti:
Lezione 1 La Probabilità Scopo del Corso: Introduzione alla probabilità e alle procedure di inferenza statistica Introduzione ad alcune importanti tecniche di analisi multivariata dei dati Organizzazione
DettagliEsercizio 2 Si consideri l esperimento avente come risultati possibili i numeri 1, 2, 3, 4, 5 di probabilità rispettivamente 0.2, 0.4, 0.1, 0.1, 0.2.
Esercizio 2 Si consideri l esperimento avente come risultati possibili i numeri 1, 2, 3, 4, 5 di probabilità rispettivamente 0.2, 0.4, 0.1, 0.1, 0.2. a) Determinare l insieme di tutti i possibili sottoinsiemi
DettagliIl tempo riservato alla prova scritta è di 2 ore e 30 minuti. Durante la prova è possibile consultare libri e appunti.
1 Compito scritto dell esame di Statistica e Prof Giuseppe Boccignone Corso di Laurea analisi dei dati (Crema) 3 giugno 016 Cognome: Nome: Matricola: Istruzioni Il tempo riservato alla prova scritta è
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 6 luglio 6 Vettori aleatori e funzioni di v.a. Esercizio Si lanciano due dadi equi. Qual è la probabilità che la somma sia? [ ] Siano X, X le v.a.
DettagliCenni di analisi combinatoria
Cenni di analisi combinatoria In molti problemi concreti di teoria della probabilità e, in particolare, nell ambito della interpretazione classica occorre calcolare quanti sono gli esiti che compongono
DettagliFoglio di Esercizi 10 con Risoluzione 18 dicembre 2017
Matematica per Farmacia, a.a. 07/8 Foglio di Esercizi 0 con Risoluzione 8 dicembre 07 ATTENZIONE: in alcuni degli esercizi di Probabilità puó essere utile usare il Teorema di Bayes. Esercizio (Vedere il
DettagliP (CjB m )P (B m ja) = p:
Esonero di Calcolo delle Probabilità del 7/04/ ESERCIZIO. Nel gioco del domino le tessere (di solito nere) sono divise in due riquadri, su ciascuno dei quali viene riportato, quale punteggio, un certo
DettagliEsercitazione 7 del corso di Statistica (parte 1)
Esercitazione 7 del corso di Statistica (parte 1) Dott.ssa Paola Costantini 5 Marzo 011 Esercizio 1 Sullo spazio campionario: = 1,,,, 5,, 7,,, considerando l esperimento casuale estrazione di un numero,
DettagliCalcolo delle Probabilità S.T.A.D
Lezione 1 del 11 Aprile 2012 Calcolo delle Probabilità S.T.A.D. 2011-2012 Giuseppe Sanfilippo http://www.unipa.it/sanfilippo 11 aprile 2012 Libri adottati Calcolo delle Probabilità, Sheldon Ross, Apogeo,
DettagliProbabilità. Fulvio Bisi-Anna Torre
Probabilità Fulvio Bisi-Anna Torre FRATELLI E SORELLE Per la ricorrenza della festa della mamma, la sig.ra Luisa organizza una cena a casa sua, con le sue amiche che hanno almeno una figlia femmina. La
DettagliSulle probabilità nel gioco del SuperEnalotto, di Witko -
Introduzione. Sulle probabilità nel gioco del SuperEnalotto, di Witko - jtosk@libero.it UnerrorechesicommettecomunementenelgiocodelSuperEnalottoèquellodipensarechelaprobabilitàdirealizzare il sia equivalente
DettagliEsercizi di Probabilità
Esercizi di Probabilità Grazia Corvaia, Patrizio Lattanzio, Alessandra Nardi February 0, 09 L urna colorata In un urna si trovano 0 palline, 5 viola e 5 arancioni. Calcolare la probabilità che, in due
DettagliTutorato 1 (20/12/2012) - Soluzioni
Tutorato 1 (20/12/2012) - Soluzioni Esercizio 1 (v.c. fantasia) Si trovi il valore del parametro θ per cui la tabella seguente definisce la funzione di probabilità di una v.c. unidimensionale X. X 0 1
DettagliCP110 Probabilità: Esame 13 settembre Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2011-12, II semestre 13 settembre, 2012 CP110 Probabilità: Esame 13 settembre 2012 Testo e soluzione 1. (6 pts) Una scatola contiene 10 palline, 8 bianche
DettagliEsercitazione N. 1 (11 ottobre 2016)
Esercitazione N. 1 (11 ottobre 2016) Un'urna contiene elementi. Vengono estratti di seguito elementi, ogni elemento una volta estratto è riposto nell'urna. Calcolare la probabilità dell evento: Problema
Dettagli3.1 La probabilità: eventi e variabili casuali
Capitolo 3 Elementi di teoria della probabilità Abbiamo già notato come, per la ineliminabile presenza degli errori di misura, quello che otteniamo come risultato della stima del valore di una grandezza
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
DettagliMateriale didattico per il corso di Statistica I Terza esercitazione SOLUZIONI
Materiale didattico per il corso di Statistica I Terza esercitazione SOLUZIONI Claudia Furlan 1 Anno Accademico 2006-2007 1 Ringrazio Carlo Gaetan, Nicola Sartori e Aldo Solari per il materiale, aggiunte
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello
DettagliESERCIZI DI PROBABILITA
ESERCIZI DI PROBABILITA Quest'opera è stata rilasciata sotto la licenza Creative Commons Attribuzione-Non commerciale-condividi allo stesso modo 2.5 Italia. Per leggere una copia della licenza visita il
DettagliESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE
ESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE Docente titolare: Irene Crimaldi 26 novembre 2009 Es.1 Supponendo che la probabilità di nascita maschile e femminile sia la stessa, calcolare la probabilità
DettagliEsercitazione del 31/01/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 1/01/2012 Istituzioni di Calcolo delle Probabilità Esercizio 1 Vengono lanciati due dadi regolari a 6 facce. (a) Calcolare la probabilità che la somma dei valori ottenuti sia 9? (b) Calcolare
Dettagli